اکسپرس 24
کتاب راهنمای عملی پیاده‌سازی HMC و NUTS در Stan

کتاب راهنمای عملی پیاده‌سازی HMC و NUTS در Stan

تگ‌ها: HMC NUTS Stan آمار بیزی تحلیل آماری مدل‌های بیزی نرم‌افزار آماری نمونه‌گیری MCMC یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی پیاده‌سازی HMC و NUTS در Stan

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری و استنتاج بیزی
  • 2. مبانی احتمال و آمار در مدل‌سازی
  • 3. مفاهیم کلیدی استنتاج بیزی
  • 4. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 5. نصب و راه‌اندازی Stan و ابزارهای مرتبط
  • 6. شرح ساختار مدل در Stan
  • 7. مفهوم مدل‌های سلسله‌مراتبی
  • 8. کاربرد مدل‌های سلسله‌مراتبی در علوم
  • 9. توابع چگالی احتمال (PDF) و توابع توزیع تجمعی (CDF)
  • 10. توزیع‌های پیشین (Prior Distributions)
  • 11. توزیع‌های پسین (Posterior Distributions)
  • 12. قضیه بیز و کاربرد آن در مدل‌سازی
  • 13. روش‌های نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
  • 14. مقدمه‌ای بر الگوریتم‌های HMC و NUTS
  • 15. الگوریتم گام‌های هارمونیک (Hamiltonian Monte Carlo - HMC)
  • 16. مکانیک هامیلتونی در HMC
  • 17. توابع انرژی و گرادیان در HMC
  • 18. انتخاب گام زمانی و تعداد گام در HMC
  • 19. الگوریتم گام‌های غیرشرطی (No-U-Turn Sampler - NUTS)
  • 20. بهینه‌سازی پارامترها در NUTS
  • 21. مقایسه HMC و NUTS
  • 22. کاربرد HMC و NUTS در مدل‌های پیچیده
  • 23. مدل‌سازی رگرسیون خطی بیزی
  • 24. تنظیمات پیشین در مدل رگرسیون خطی
  • 25. تفسیر نتایج مدل رگرسیون خطی بیزی
  • 26. مدل‌سازی رگرسیون لجستیک بیزی
  • 27. تفسیر ضرایب در مدل رگرسیون لجستیک بیزی
  • 28. مدل‌سازی سری‌های زمانی بیزی
  • 29. مدل‌های ARIMA بیزی
  • 30. استفاده از HMC/NUTS در مدل‌های سری زمانی
  • 31. مدل‌سازی داده‌های مکانی بیزی
  • 32. کاربرد HMC/NUTS در مدل‌های مکانی
  • 33. مدل‌سازی داده‌های شبکه‌ای بیزی
  • 34. مقدمه‌ای بر شبکه‌های بیزی
  • 35. کاربرد HMC/NUTS در شبکه‌های بیزی
  • 36. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) بیزی
  • 37. مدل‌سازی مدل‌های خطی تعمیم‌یافته مختلط (Mixed GLM) بیزی
  • 38. کاربرد HMC/NUTS در GLM و Mixed GLM
  • 39. مدل‌سازی بقا (Survival Analysis) بیزی
  • 40. مدل‌های کاکس بیزی
  • 41. استفاده از HMC/NUTS در مدل‌سازی بقا
  • 42. مدل‌سازی داده‌های پانل (Panel Data) بیزی
  • 43. مدل‌های اثرات ثابت و تصادفی در داده‌های پانل
  • 44. کاربرد HMC/NUTS در داده‌های پانل
  • 45. مقدمه‌ای بر مدل‌های یادگیری ماشین بیزی
  • 46. مقایسه مدل‌های بیزی با مدل‌های فریکوئنتیست
  • 47. مدل‌سازی سلسله‌مراتبی برای داده‌های خوشه‌ای
  • 48. مدل‌سازی سلسله‌مراتبی برای داده‌های طبقه‌بندی شده
  • 49. کاربرد HMC/NUTS در مدل‌های خوشه‌ای و طبقه‌بندی شده
  • 50. ارزیابی کیفیت نمونه‌گیری MCMC
  • 51. شاخص‌های همگرایی (Convergence Diagnostics)
  • 52. بررسی اتوکورلاسیون در زنجیره‌ها
  • 53. تکنیک‌های بصری‌سازی نتایج MCMC
  • 54. اعتبارسنجی مدل بیزی
  • 55. بررسی پیش‌بینی‌پذیری مدل
  • 56. استفاده از داده‌های آزمون برای اعتبارسنجی
  • 57. تکنیک‌های تقاطع اعتبارسنجی (Cross-validation) در رویکرد بیزی
  • 58. بهینه‌سازی پارامترهای HMC و NUTS
  • 59. تنظیم نرخ یادگیری (Learning Rate)
  • 60. تنظیم اندازه گام (Step Size)
  • 61. تنظیم تعداد گام‌های شبیه‌سازی
  • 62. تنظیم پارامترهای NUTS
  • 63. مدیریت مدل‌های بزرگ و پیچیده در Stan
  • 64. بهینه‌سازی کد Stan برای کارایی
  • 65. استفاده از قابلیت‌های موازی‌سازی در Stan
  • 66. اشکال‌زدایی (Debugging) مدل‌های Stan
  • 67. شناسایی و رفع خطاهای رایج در Stan
  • 68. تکنیک‌های اشکال‌زدایی پیشرفته
  • 69. کاربرد HMC/NUTS در علوم اجتماعی
  • 70. کاربرد HMC/NUTS در اقتصادسنجی
  • 71. کاربرد HMC/NUTS در زیست‌شناسی محاسباتی
  • 72. کاربرد HMC/NUTS در علوم محیطی
  • 73. کاربرد HMC/NUTS در مهندسی
  • 74. کاربرد HMC/NUTS در علوم داده
  • 75. مدل‌سازی احتمالی برای داده‌های گسسته
  • 76. مدل‌سازی احتمالی برای داده‌های پیوسته
  • 77. مدل‌سازی احتمالی برای داده‌های ترکیبی
  • 78. مقدمه‌ای بر استنتاج بیزی غیرپارامتری
  • 79. کاربرد HMC/NUTS در استنتاج بیزی غیرپارامتری
  • 80. موضوعات پیشرفته در HMC و NUTS
  • 81. نظریه گروه لی و ارتباط آن با HMC
  • 82. روش‌های بهبود الگوریتم‌های MCMC
  • 83. مقدمه‌ای بر نمونه‌گیری از جامعه پسین (Posterior Predictive Sampling)
  • 84. تفسیر نتایج نمونه‌گیری از جامعه پسین
  • 85. کاربرد نمونه‌گیری از جامعه پسین در تصمیم‌گیری
  • 86. ملاحظات عملی در پیاده‌سازی مدل‌های بیزی
  • 87. انتخاب توزیع‌های پیشین مناسب
  • 88. تأثیر توزیع‌های پیشین بر نتایج
  • 89. مدیریت عدم قطعیت در مدل‌سازی بیزی
  • 90. روش‌های ساده‌سازی مدل‌های پیچیده
  • 91. کاربرد HMC/NUTS در شبیه‌سازی‌های علمی
  • 92. مقدمه‌ای بر مدل‌سازی بیزی مبتنی بر عامل (Agent-Based Bayesian Modeling)
  • 93. کاربرد HMC/NUTS در مدل‌سازی مبتنی بر عامل
  • 94. بررسی چالش‌های محاسباتی در مدل‌سازی بیزی بزرگ
  • 95. راهکارهای مقابله با چالش‌های محاسباتی
  • 96. مقدمه‌ای بر یادگیری تقویتی بیزی
  • 97. کاربرد HMC/NUTS در یادگیری تقویتی بیزی
  • 98. استانداردهای کدنویسی در Stan
  • 99. مستندسازی مدل‌های Stan
  • 100. اشتراک‌گذاری مدل‌های Stan

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.